Deep Learning e o diagnóstico de câncer
O reconhecimento de imagens com uso de Deep Learning (DL), além de aplicações cotidianas que já são comuns, promete trazer inovações importantes em várias áreas, como é o caso da Saúde.
Em relação ao câncer, por exemplo, sabemos como, em muitas ocasiões, o diagnóstico precoce e preciso é essencial para aumentar as chances de cura. No entanto, embora muito utilizados no diagnóstico de tumores como os de pulmão e de mama, métodos tradicionais – como exames de raios X, varreduras e outras técnicas computadorizadas de diagnóstico por imagem – combinados às análises feitas por profissionais da Saúde podem não ser suficientes. Um dos possíveis motivos é a escassez de profissionais qualificados na área em determinados países. Além disso, o trabalho repetitivo e desgastante de analisar centenas de imagens diariamente torna o processo humano mais suscetível a erros.
É neste cenário que a Deep Learning aparece como possibilidade. De modo geral, startups de vários locais do mundo têm trabalhado com a tecnologia para sanar o problema de possíveis análises imprecisas ou duvidosas.
A chinesa Infervision é um exemplo. Com a ideia de ser “um par de olhos extras para os radiologistas”, a empresa já tem um projeto piloto e oferece serviços em alguns hospitais da China. O método particular empregado por Chen Kuan, fundador da startup, e por seu time – conhecido como “aprendizado supervisionado” –, consiste em treinar algoritmos com a utilização de dados reais para aumentar sua precisão ao detectar sinais de alerta de crescimento de nódulos potencialmente cancerígenos, por exemplo, no tecido pulmonar. Nestes casos, o conjunto de dados é utilizado para “ensinar” o modelo a detectar imagens que podem indicar algum perigo – dados estes que consistem em tomografias prévias que de fato levaram ao diagnóstico de câncer de pulmão.
LEIA TAMBÉM:
Deep Learning e a segurança da informação
Carros autônomos: principais desafios podem estar fora dos veículos
A Inteligência Artificial irá substituir os radiologistas?
Kuan afirmou, em entrevista à Forbes, que a utilidade dessa possibilidade de diagnóstico está relacionada ao fato de que muitas pessoas – especialmente as que vivem fora de grandes cidades, na China – não fazem check-ups regularmente. Elas acabam procurando ajuda médica apenas quando sentem algo de errado com seu corpo, algo que poderia ser evitado se uma tecnologia rápida e eficaz as estimulasse a realizar os exames periódicos.
Especificamente no cenário do câncer de mama, a startup Behold, dos Estados Unidos, e a Samsung Medison, companhia global de equipamentos médicos da Samsung, originária da Coreia do Sul, também utilizam DL para diagnóstico. O intuito é ofertar a possibilidade de uma segunda avaliação, que vem paralela aos métodos tradicionais. Aliás, essa complementaridade entre a tecnologia e a capacitação de profissionais da área da Saúde é uma ideia que perpassa todas as iniciativas e estratégias que buscam avançar nessa área pioneira e de grande relevância para a qualidade da vida humana.
Fontes: Convergencia Digital, Deep Learning Brasil, Forbes
